【手撕算法】K-means算法实现主题色提取
K - Means是一种对图像进行聚类的算法，属于无监督分割聚类方法，这种方法不对聚类进行层次划分，只是通过分析聚类的性质和均值，将像素简单地划分为不相交的聚类。
今天结合一个在知乎看到的问题来说：
一张图片上有上百种颜色，如何在一张图上筛选出小于五种的基本色，或者在一张图上进行颜色划分归类？ 为了做品牌，我们需要从符合品牌调性的图片中提取品牌色，但一张图片的颜色有上百种 我们怎么把这些颜色归类划分 提取呢？
有答友已经回答了该问题，我们今天就是C++实现K-means算法来解决这个问题。该问题链接：
https://www.zhihu.com/question/29268904下图回答里的链接是python版代码，本文为C++代码。
K-means算法原理
K-means算法需要我们自己定义K值，如前面知乎的问题，需要提取图片的五种基本色，所以我们就定义K为5，即将图片分为5个簇。means是均值的意思，在本问题背景下，均值代表每个簇的颜色均值。
指定K值后，我们随机生成五个像素坐标，并取这五个像素坐标的颜色作为五个簇的初始均值。
需要注意的是，K-means算法关注的是图像的像素值，我们需要将各个簇包含的像素的像素值记录下来，而不是像素坐标。
然后我们开始迭代，迭代次数也是自己定义的，每一次迭代，我们都遍历图像所有像素，并计算该像素与各个簇的颜色均值的颜色距离，选择最接近的簇，将该像素值加入到此簇中（以便计算该簇新的均值）。
在一次遍历像素完毕后，都需要重新计算各个簇的颜色均值，并判断该新的均值与上次均值是否有差别，如果没有则说明收敛了，就无需继续迭代了。如果相差巨大，则需要再一次迭代。
如果需要再一次迭代，便将所有簇的元素清空，仅保留计算的均值，然后再一次遍历所有像素，重复上一步。
算法实现
主函数：读取图片，定义Kmeans算法的K值以及迭代次数，并对图片进行K-means算法。
int main()
{
Mat srcImage;
srcImage = imread("4.jpg",17);
Mat dstImage(Size(100,600), CV_8UC3, Scalar(0,0,0));
if (srcImage.empty())
{
printf_s("图片读取失败");
return -1;
}
imshow(WINDOW_1, srcImage);
int clusters_num = 5;//kmeans算法的k值
int iterations = 10;//迭代次数
KMean(srcImage, dstImage, clusters_num, iterations);
imshow(WINDOW_2, dstImage);
waitKey();
return 0;
}程序中用到了K-means算法函数
KMean(srcImage, dstImage, clusters_num, iterations);此函数就实现了对输入图像srcImage 进行聚类操作，并将结果输出到dstImage参数中。clusters_num为K值，iterations为迭代次数。
除了K-means算法函数本身，程序还定义了一个簇类，用来存放簇的一些成员变量以及对簇的操作，例如向簇中添加一个像素，清空簇等等操作。
代码（详细注释）就不在这儿贴了，太长了
算法效果
试两张七龙珠的照片看一下效果：
THE END
本文所用代码是我以前在github上下的，也找不到原项目地址了。稍微改了一下末尾代码实现了K-means算法提取基本色的可视化。原代码是英文注释，我结合自己理解改成了中文注释。因为代码非原创，所以仅作学习分享。